用python画的炫酷图形_太秀了,没想到这些既炫酷又能动的图竟然是用 Python 画的!...
点击蓝色“Python空间”关注我丫
加个“星标”,每天一起快乐的学习
选自TowardsDataScience 作者:Liana Mehrabyan
机器之心编译 参与:Panda
数据可以帮助我们描述这个世界、阐释自己的想法和展示自己的成果,但如果只有单调乏味的文本和数字,我们却往往能难抓住观众的眼球。而很多时候,一张漂亮的可视化图表就足以胜过千言万语。本文将介绍 5 种基于 Plotly 的可视化方法,你会发现,原来可视化不仅可用直方图和箱形图,还能做得如此动态好看甚至可交互。
对数据科学家来说,讲故事是一个至关重要的技能。为了表达我们的思想并且说服别人,我们需要有效的沟通。而漂漂亮亮的可视化是完成这一任务的绝佳工具。本文将介绍
5 种非传统的可视化技术
,可让你的数据故事更漂亮和更有效。这里将使用 Python 的 Plotly 图形库(也可通过 R 使用),让你可以毫不费力地生成动画图表和交互式图表。
那么,Plotly 有哪些好处?
Plotly 的整合能力很强:
可与 Jupyter Notebook 一起使用,可嵌入网站,并且完整集成了 Dash——一种用于构建仪表盘和分析应用的出色工具。
启动
如果你还没安装 Plotly,只需在你的终端运行以下命令即可完成安装:
pip install plotly
安装完成后,就开始使用吧!
动画
在研究这个或那个指标的演变时,我们常涉及到时间数据。
Plotly 动画工具仅需一行代码就能让人观看数据随时间的变化情况
,如下图所示:
代码如下:
import plotly.express as pxfrom vega_datasets import datadf = data.disasters()df = df[df.Year > 1990]fig = px.bar(df, y="Entity", x="Deaths", animation_frame="Year", orientation='h', range_x=[0, df.Deaths.max()], color="Entity")# improve aesthetics (size, grids etc.)fig.update_layout(width=1000, height=800, xaxis_showgrid=False, yaxis_showgrid=False, paper_bgcolor='rgba(0,0,0,0)', plot_bgcolor='rgba(0,0,0,0)', title_text='Evolution of Natural Disasters', showlegend=False)fig.update_xaxes(title_text='Number of Deaths')fig.update_yaxes(title_text='')fig.show()
只要你有一个时间变量来过滤,那么几乎任何图表都可以做成动画。下面是一个制作散点图动画的例子:
import plotly.express as pxdf = px.data.gapminder()fig = px.scatter( df, x="gdpPercap", y="lifeExp", animation_frame="year", size="pop", color="continent", hover_name="country", log_x=True, size_max=55, range_x=[100, 100000], range_y=[25, 90], # color_continuous_scale=px.colors.sequential.Emrld)fig.update_layout(width=1000, height=800, xaxis_showgrid=False, yaxis_showgrid=False, paper_bgcolor='rgba(0,0,0,0)', plot_bgcolor='rgba(0,0,0,0)')
太阳图
太阳图(sunburst chart)是一种可视化 group by 语句的好方法。
如果你想通过一个或多个类别变量来分解一个给定的量
,那就用太阳图吧。
假设我们想根据性别和每天的时间分解平均小费数据,那么相较于表格,这种双重 group by 语句可以通过可视化来更有效地展示。
这个图表是交互式的,让你可以自己点击并探索各个类别。你只需要定义你的所有类别,并声明它们之间的层次结构(见以下代码中的 parents 参数)并分配对应的值即可,这在我们案例中即为 group by 语句的输出。
import plotly.graph_objects as goimport plotly.express as pximport numpy as npimport pandas as pddf = px.data.tips()fig = go.Figure(go.Sunburst( labels=["Female", "Male", "Dinner", "Lunch", 'Dinner ', 'Lunch '], parents=["", "", "Female", "Female", 'Male', 'Male'], values=np.append( df.groupby('sex').tip.mean().values, df.groupby(['sex', 'time']).tip.mean().values), marker=dict(colors=px.colors.sequential.Emrld)), layout=go.Layout(paper_bgcolor='rgba(0,0,0,0)', plot_bgcolor='rgba(0,0,0,0)'))fig.update_layout(margin=dict(t=0, l=0, r=0, b=0), title_text='Tipping Habbits Per Gender, Time and Day')fig.show()
现在我们向这个层次结构再添加一层:
为此,我们再添加另一个涉及三个类别变量的 group by 语句的值。
import plotly.graph_objects as goimport plotly.express as pximport pandas as pdimport numpy as npdf = px.data.tips()fig = go.Figure(go.Sunburst(labels=[ "Female", "Male", "Dinner", "Lunch", 'Dinner ', 'Lunch ', 'Fri', 'Sat', 'Sun', 'Thu', 'Fri ', 'Thu ', 'Fri ', 'Sat ', 'Sun ', 'Fri ', 'Thu '], parents=[ "", "", "Female", "Female", 'Male', 'Male', 'Dinner', 'Dinner', 'Dinner', 'Dinner', 'Lunch', 'Lunch', 'Dinner ', 'Dinner ', 'Dinner ', 'Lunch ', 'Lunch ' ], values=np.append( np.append( df.groupby('sex').tip.mean().values, df.groupby(['sex', 'time']).tip.mean().values, ), df.groupby(['sex', 'time', 'day']).tip.mean().values), marker=dict(colors=px.colors.sequential.Emrld)), layout=go.Layout(paper_bgcolor='rgba(0,0,0,0)', plot_bgcolor='rgba(0,0,0,0)'))fig.update_layout(margin=dict(t=0, l=0, r=0, b=0), title_text='Tipping Habbits Per Gender, Time and Day')fig.show()
平行类别
另一种探索类别变量之间关系的方法是以下这种流程图。
你可以随时拖放、高亮和浏览值,非常适合演示时使用。
代码如下:
import plotly.express as pxfrom vega_datasets import dataimport pandas as pddf = data.movies()df = df.dropna()df['Genre_id'] = df.Major_Genre.factorize()[0]fig = px.parallel_categories( df, dimensions=['MPAA_Rating', 'Creative_Type', 'Major_Genre'], color="Genre_id", color_continuous_scale=px.colors.sequential.Emrld,)fig.show()
平行坐标图
平行坐标图是上面的图表的连续版本。这里,
每一根弦都代表单个观察
。这是一种可用于识别离群值(远离其它数据的单条线)、聚类、趋势和冗余变量(比如如果两个变量在每个观察上的值都相近,那么它们将位于同一水平线上,表示存在冗余)的好用工具。
代码如下:
import plotly.express as pxfrom vega_datasets import dataimport pandas as pddf = data.movies()df = df.dropna()df['Genre_id'] = df.Major_Genre.factorize()[0]fig = px.parallel_coordinates( df, dimensions=[ 'IMDB_Rating', 'IMDB_Votes', 'Production_Budget', 'Running_Time_min', 'US_Gross', 'Worldwide_Gross', 'US_DVD_Sales' ], color='IMDB_Rating', color_continuous_scale=px.colors.sequential.Emrld)fig.show()
量表图和指示器
量表图仅仅是为了好看。
在报告 KPI 等成功指标并展示其与你的目标的距离时,可以使用这种图表。
指示器在业务和咨询中非常有用。它们可以通过文字记号来补充视觉效果,吸引观众的注意力并展现你的增长指标。
import plotly.graph_objects as gofig = go.Figure(go.Indicator( domain = {'x': [0, 1], 'y': [0, 1]}, value = 4.3, mode = "gauge+number+delta", title = {'text': "Success Metric"}, delta = {'reference': 3.9}, gauge = {'bar': {'color': "lightgreen"}, 'axis': {'range': [None, 5]}, 'steps' : [ {'range': [0, 2.5], 'color': "lightgray"}, {'range': [2.5, 4], 'color': "gray"}], }))fig.show()
原文链接:https://towardsdatascience.com/5-visualisations-to-level-up-your-data-story-e131759c2f41
用python画的炫酷图形_太秀了,没想到这些既炫酷又能动的图竟然是用 Python 画的!...相关推荐
- 用python画的炫酷图形_推荐一个炫酷Python 手绘图形库
https://github.com/chenjiandongx/cutecharts 今天,给大家介绍一个很酷的 Python 手绘风格可视化神包:cutecharts.和 Matplotlib . ...
- pr转场 卡通炫酷图形动画视频转场pr模板mogrt
适用于开场视频.动作片.幻灯片.极限运动或舞蹈视频等等. 项目特点: 独特的过渡 4096×2304 分辨率 全彩控件 媒体占位符 包括视频教程 适用于 Premiere Pro 2021 及更高版本 ...
- 我用Python写了一个邮箱脚本发给班花,没想到事情闹大了...
大家好,我是辣条. 前言 开学没多久,事又多正愁缺写博客的素材,这不马上就来了,憨憨室友又要整活 ,看在友(红)情(包)的份上必须帮忙. 我起初的想法是通过邮箱发送表白代码指令,打包成执行文件,但是不 ...
- python可以实现什么炫酷图形吗_我是Python小玩家,一行代码能做哪些炫酷的事情?...
python之禅 image 一行代码启动一个Web服务 python -m SimpleHTTPServer 8080 python3 -m http.server 8080 一行代码实现变量值互换 ...
- python可以实现什么炫酷图形吗_如何把图片变得炫酷多彩,Python教你这样实现!...
有趣的图片 如何能让图片变得好玩?首先需要让它动起来!可如果是多张图片,我们还可以将其拼接起来组成gif动图,可一张图怎么玩?记得之前写过一个小练习,把一张图片拆分成九宫格的分片图.那么,能否由此下手 ...
- python照片转彩色手绘_用PS把女生照片转成炫彩渐变手绘效果
炫彩风格转手绘的特点就是颜色非常丰富和艳丽,尤其是头发.背景.眼珠等都需要手工添加一些绚丽的彩色,用的颜色也不能太乱,总体要感觉时尚大气.最终效果 原图 一.打开一张图片,把分辨率设置为300像素/英 ...
- python快速入门神器 知乎_太香了!墙裂推荐6个Python数据分析神器!!
hello,大家好我是东哥! 用Python处理数据大家都不陌生了,属常规操作,但常规之下还是也有些暗藏技巧的,本篇东哥分享6个好玩高效的操作,帮助大家提高效率. 一.Pandas Profiling ...
- python常用内置函数汇总_太全了!Python3常用内置函数总结
数学相关 abs(a) : 求取绝对值.abs(-1) max(list) : 求取list最大值.max([1,2,3]) min(list) : 求取list最小值.min([1,2,3]) su ...
- python程序运行按什么键_太惨!学Python方法用错,直接从入门到放弃!
原标题:太惨!学Python方法用错,直接从入门到放弃! 从你开始学习编程的那一刻起,就注定了以后所要走的路-从编程学习者开始,依次经历实习生.程序员.软件工程师.架构师.CTO等职位的磨砺:当你站在 ...
最新文章
- Java 8 中 HashMap 到底有啥不同?
- html input image 尺寸,HTML DOM Input Image 对象
- boost::mpl模块实现same_as相关的测试程序
- 线段树/扫描线问卷调查反馈——Rmq Problem / mex(主席树),Boring Queries(二分+st表+主席树),Colorful Squares(扫描线)
- 自己写的几个常用到的函数
- 提交失败重连java_RxJava出错重连
- Query ajax操作!!
- 传统方法做分割 解析种子cues
- Revisiting ResNets: Improved Training and Scaling Strategies论文简述
- GMQ钱包积极打造并维护区块链健康生态的发展
- in作为介词的用法_介词at和in表示地点时的各自用法
- java 实现图片的裁剪
- 流利阅读 2019.1.30 China’s Baidu pledges to improve search service after complaint
- 如何实现vue表单验证cron表达式?【亲测有效】
- 服务器虚拟化和网络虚拟化关系,数据中心网络如何应对服务器虚拟化?
- 大对象数据的访问控制 (2)
- 芝加哥大学计算机科学,芝加哥大学计算机科学
- 章节2 法律法规与标准
- zoom走了,谁的机会来了
- 彻底删除mysql数据库
热门文章
- srio 门铃_如何使SkyBell HD门铃静音
- 写了个汉字转G代码工具,无描边的那种,市面上没有类似的小软件
- Android新手入门2016(1)--创建和运行helloworld
- 创造性解决arch/manjaro官方aur源下载慢办法
- Android刘海屏、水滴屏全面屏适配方案,海量算法高频面试题精编解析
- 闪店空间官网-创意优质快闪店,店中店专家
- pinpoint的Hbase数据库的数据优化
- 相对丰度柱状图matlab,R堆叠柱状图各成分连线画法:突出展示组间物种丰度变化...
- 第八章 用QImage高质量绘图
- 微信小程序如何发红包